DataFrame.max(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs) [source]
返回所请求轴的最大值。
如果您想要最大的索引，请使用idxmax。这相当于该numpy.ndarray方法argmax。
参数： | axis： 要应用的功能的轴。 skipna： 计算结果时排除 level： 默认为None 如果轴是MultiIndex（分层）， 则沿特定级别计数，并折叠为Series。 numeric_only： 默认值 仅包括 如果为 然后仅使用数字数据。未针对Series实施。 **kwargs 要传递给函数的其他关键字参数。 |
返回： |
|
例子
1）按列计算最大值
import pandas as pd
df = pd.DataFrame({
'A': [3, 6, 2],
'B': [8, 5, 9],
'C': [1, 4, 7]
})
print(df.max()) # 默认 axis=0
2）按行计算最大值
import pandas as pd
# 创建示例 DataFrame
data = {
'A': [10, 20, 30],
'B': [5, 25, 35],
'C': [15, 10, 40]
}
df = pd.DataFrame(data)
# 计算每一行的最大值
row_max = df.max(axis=1)
# 输出结果
print("原始 DataFrame：")
print(df)
print("\n每一行的最大值：")
print(row_max)
3）忽略 NaN 计算最大值
import pandas as pd
# 创建包含 NaN 的 DataFrame
df_with_nan = pd.DataFrame({
'A': [3, 6, None],
'B': [8, None, 9],
'C': [1, 4, 7]
})
# 默认 skipna=True，忽略 NaN，计算最大值
print("默认 skipna=True：")
print(df_with_nan.max())
# skipna=False，不忽略 NaN，若列包含 NaN，则结果为 NaN
print("\nskipna=False：")
print(df_with_nan.max(skipna=False))
4）仅计算数值列的最大值
import pandas as pd
# 创建包含数值和字符串的 DataFrame
df_mixed = pd.DataFrame({
'A': [3, 6, 2], # 数值列
'B': ['x', 'y', 'z'], # 字符串列
'C': [1, 4, 7] # 数值列
})
# 仅计算数值列的最大值
print(df_mixed.max(numeric_only=True))